基于服务的分布式事务(上)

微服务分布式事务处理 跨越网络上多个物理系统或计算机的事务被简单的称为分布式事务。在微服务世界中,事务被分割到多个服务中,需要按顺序调用这些服务以完成整个事务。下面是一个单体电子商务系统使用事务的例子图1单体中的事务在上面的系统中,如果用户向平台发送Checkout请求,平台将创建一个本地数据库事务,该事务操作多个数据库表,以处理订单并从库存中保留商品。如果有任何步骤失败,事务(包括订单和保留的商品)可以回滚。和,各自有独立的数据库。当用户发起Checkout分布式事务。... 阅读详情


640?wx_fmt=png

点小蓝字加关注!


作者丨Willem Jiang

640?wx_fmt=jpeg

传统数据库事务

在传统单体应用架构下,我们通常会将业务数据存储在一个数据库中,应用各模块直接对数据库进行操作业务数据。由数据库提供基于ACID [1]的事务保证。


  • A是Atomic 原子性:事务作为整体来执行,要么全部执行,要么都不执行。

  • C是Consistency 一致性:事务应确保数据从一个一致的状态转变为另一个一致的状态。

  • I是 Isolation 隔离性:多个事务并发执行时,一个事务的执行不应影响其他事务的执行。

  • D是Durability 持久性:已提交的事务修改数据会被持久保持。


例如一个电商的下单操作,就涉及到用户系统、库存系统、支付系统以及配送系统等一系列的协同操作。我们在执行下单操作的过程中,如果出现库存短缺,或者用户账户余额不足的情况,这个下单操作就会涉及到一系列的相关业务系统调用。如果这些子系统连接同一个数据库,我们可以通过数据库提供的事务原子性机制将库存数量校验以及用户余额校验的工作,和执行具体的下单业务操作组合成为一个数据库事务操作。通过数据库事务原子性来保证系统各个模块的调用要么都成功,要么都失败(取消)。 同时,由于数据库提供一致性和持久性保证,保证了如果事务执行成功并提交,本次业务操作的数据在立即生效的同时不会产生异议。 同时数据库提供了不同级别的数据锁机制保证应用多个线程同时读取或者更新数据的过程中不会相互影响,从而来保证业务操作的隔离性。

640?wx_fmt=png

微服务的分布式事务

随着微服务架构的流行,很多大型的业务流程被拆分成为了多个功能单一的基础服务,大家会根据业务的诉求在这些基础服务之上编写一些组合调用服务来满足业务诉求。为了保证微服务能够独立开发部署运行,通常我们会采用一个微服务对应一个数据库的架构,将内部数据经微服务封装之后,以服务的方式对外暴露。这样以往基于数据库来实现的数据操作,就变成了多个对外提供服务的微服务系统的协同完成操作。因为单个微服务只知道自己的服务执行情况,为了保证分布事务的一致性,参与分布式事务的微服务通常会依托协调器完成相关的一致性协调操作 [2]。


在十多年前分布式事务的实现方案有CORBA的 Object Transaction Service(OTS)、J2EE的 Java Transaction API 以及 Java Transaction Service。这些事务管理以及事务服务的技术都是建立在ACID事务的概念上的。协调器依托于底层的资源交互协议实现资源的占用以及提交的操作,通过两阶段提交 [3]的方式实现分布式事务的强一致操作。两阶段提交将分布式事务操作分为准备和提交两个阶段:系统在准备解决阶段完成资源操作, 如果准备阶段中出现问题,支持回滚操作,但是在提交阶段是不允许出错的。两阶段在保证事务原子性上做了很多工作,但是两阶段提交最大的问题是在分布式事务执行过程中, 所有参与事务的节点资源都是被锁定的,系统不允许其他节点访问锁定的资源,在这种执行下很难进一步提升系统的执行效率。


如上所述,在ACID的事务执行过程中,为了保证事务的隔离性,通常我们会采用读写加锁的方式,通过串行处理数据方式,保证多个事务在同时执行的过程中不会相互影响。也就是说只有当事务提交并且保存修改记录或者回退取消修改记录之后,其他的事务才能继续执行。然而对于由多个事务组成的长时间运行的事务来说,如果在整个事务的执行过程都采用这种机制来保证事务的隔离性是一种很低效的解决方案。


那我们有什么办法即提高系统运行效率,又能保证事务的数据一致性呢?


答案是采用补偿的方式来解决这一问题。

640?wx_fmt=png

基于补偿的事务实现

补偿是指我们将一个事务分成一个本地执行的正常操作事务和一个逻辑上对之前的操作进行补偿的事务。这样采用补偿事务的方式,我们可以把一个长时间运行的事务分化成若干个可以立即提交的本地事务调用,而不是一个长时间占用锁资源的巨型事务。 这样做的最大好处就是极大降低锁占用的时间。作为代价,补偿方式的取消操作和以往的实现方式有很大的不同,我们需要执行一个单独的ACID事务来完成对之前已提交的事务的逻辑补偿。


下图展示了一个典型的分布式事务调用, 用户请求触发事务初始服务, 事务初始服务会顺序调用两个事务参与服务(服务A,服务B)。由于这两个事务参与服务之间没有联系,当事务参与服务执行出现了问题,需要一个协调器参与相关的恢复操作。



640?wx_fmt=png


这里我们可以根据补偿执行的不同将其分成两组不同的补偿方式:


  • 不完美补偿 - 反向操作会留下之前原始事务操作的痕迹,一般来说我们是会在原始事务记录中设置取消状态。

  • 完美补偿 - 反向逻辑会彻底清理之前的原始事务操作,一般来说是不会保留原始事务交易记录,用户是感知不到事务取消之前的状态信息的。


对于采用不完美的补偿方式的系统(Saga实现 [4])来说:

我们的补偿事务逻辑和其他的事务逻辑相比没有什么不同, 系统只需要像执行其他业务逻辑一样执行相关的补偿操作即可,无需设置特殊的处理逻辑来恢复事务执行之前的状态。


以我们常见的银行ATM取款业务为例,银行账户预先进行扣减的操作,如果取款不成功,其逻辑恢复操作就是通过冲正的方式将预先扣减的款项打回到用户账户,我们可以通过查看账户的交易记录找到扣减和冲正的记录信息。


下图展示的内容就是当初始服务调用分别调用服务A和服务B,服务B执行出现错误,这个时候我们事务协调器会调用服务A的冲正方法将系统状态恢复到执行服务调用之前的状态。



对于采用完美补偿方式的系统(Try-Cancel/Confirm [5]实现)来说:

为了让系统能够在补偿操作彻底清除事务执行的情况,我们会借助两阶段提交协议来完成这部分的功能。


在TCC方式下,cancel补偿显然是在第二阶段需要执行业务逻辑来取消第一阶段产生的后果。try是在第一阶段执行相关的业务操作,完成相关业务资源的占用,例如预先分配票务资源,或者检查并刷新用户的账户信用额度。在cancel阶段释放相关的业务资源,例如释放预先分配的票务资源或者恢复之前占用的用户信用额度。


那我们为什么还要加入confirm操作呢?


这需要从业务资源的使用生命周期来入手。在try过程中,我们只是占用的业务资源,相关的执行操作只是出于待定状态,只有在确认操作执行完毕之后,业务资源才能真正被确认。例如订票业务的try操作,我们只是占用了相关的票务资源。目的是防止票务资源被其他用户占用,但是业务还没有执行完毕,票务提供方还不能将被占用的票务资源统计为已售出票务。 只有相关票务资源被确认售出的之后,票务提供方才能将其统计为已售出票务资源。


640?wx_fmt=png

ServiceComb Pack架构介绍

通过上面的分析我们可以发现一个有意思的现象,每一步事务的操作都有可能会根据业务的执行情况提供一个补偿操作,通过一个事务管理系统来协调这个补偿操作可以帮我们大大降低业务流程建模的复杂度。在分布式事务实现过程中, 协调器的作用非常重要, 各个事务的参与方需要跟协调器建立好良好的沟通, 由协调器统一调度完成相关事务的执行或者取消的操作。


ServiceComb Pack架构如下图所示,主要包含两个组件,即Alpha和Omega,其中:


640?wx_fmt=png


Alpha充当协调者的角色,主要负责对事务的事件进行持久化存储以及协调子事务的状态,使其最终得以与全局事务的状态保持一致,即保证事务中的子事务要么全执行,要么全不执行。


Omega是微服务中内嵌的一个agent,负责对监控本地事务执行情况并向Alpha上报事务执行事件,并在异常情况下根据alpha下发的指令执行相应的补偿或重试操作。


Omega可以通过向Alpha发送消息的方式向Alpha实时传递事务执行的进展,但是Alpha怎么知道这些Omega上传的消息是相互关联的呢?我们通过在服务调用过程中插入唯一的全局事务ID,并在后续的调用其它服务过程中传递这个全局事务ID。通过全局事务ID可以从汇总到Alpha事件中找到事件与之相关联的所有事件,通过对这些事件信息进行分析,我们可以完整地追踪到与分布式事务执行情况。

640?wx_fmt=jpeg


Omega会以切面编程的方式向应用程序注入相关的处理模块,帮助我们构建分布式事务调用的上下文。Omega在事务处理初始阶段处理事务的相关准备的操作,并在事务执行完毕后做一些清理的操作,例如创建分布式事务起始事件,以及相关的子事件,根据事务执行的成功或者失败生成相关的事务终止或者失败事件。这样带来的好处是用户的代码只需要添加几个annotation来描述分布式事务执行范围,以及与本地的事务处理恢复的相关函数信息,Omega就能通过切面注入的代码追踪本地事务的执行情况。Omega会将本地事务执行的情况以事件的方式通知给Alpha。由于单个Omega不可能知晓一个分布式事务下其他参与服务的执行情况,如此一来,就需要Alpha扮演一个十分重要的协调者的角色。Alpha将收集到的分布式事务事件信息整理汇总,通过分析这些事件之间的关系可以了解到分布式事务的执行情况。Alpha通过向Omega下发相关的执行指令由Omega执行相关提交或恢复操作,实现分布式事务的最终一致性。


640?wx_fmt=png


在了解过Pack实现的部分细节之后, 我们可以从下图进一步了解ServiceComb Pack架构下,Alpha与Omega内部各模块之间的关系图。


640?wx_fmt=png


整个架构分为三个部分:

1

一个是Alpha协调器(支持多个实例提供高可用支持)。

2

二是注入到微服务实例中的Omega。

3

三是Alpha与Omega之间的交互协议。

目前ServiceComb Pack支持Saga 以及TCC两种分布式事务协调协议实现。


640?wx_fmt=png


Omega包含了与分析用户分布式事务逻辑相关的模块:

  • 事务注解模块(Transaction Annotation)

  • 事务拦截器(Transaction Interceptor)

  • 分布式事务执行相关的事务上下文(Transaction Context)

  • 事务回调(Transaction Callback)

  • 事务执行器(Transaction Executor)

以及负责与Alpha进行通讯的事务传输(Transaction Transport)模块。


640?wx_fmt=png


事务注解模块是分布式事务的用户界面,用户将这些标注添加到自己的业务代码之上用以描述与分布式事务相关的信息,这样Omega就可以按照分布式事务的协调要求进行相关的处理。如果大家扩展自己的分布式事务,也可以通过定义自己的事务标注来实现。


事务拦截器这个模块我们可以借助AOP手段,在用户标注的代码基础上添加相关的拦截代码,获取到与分布式事务以及本地事务执行相关的信息,并借助事务传输模块与Alpha进行通讯传递事件。

事务上下文为Omega内部提供了一个传递事务调用信息的一个手段,借助前面提到的全局事务ID以及本地事务ID的对应关系,Alpha可以很容易检索到与一个分布式事务相关的所有本地事务事件信息。


事务执行器主要是为了处理事务调用超时设计的模块。由于Alpha与Omega之间的连接有可能不可靠,Alpha端很难判断Omega本地事务执行超时是由Alpha与Omega直接的网络引起的还是Omega自身调用的问题,因此设计了事务执行器来监控Omega的本地的执行情况,简化Omega的超时操作。目前Omega的缺省实现是直接调用事务方法,由Alpha的后台服务通过扫描事件表的方式来确定事务执行时间是否超时。


事务回调在Omega与Alpha建立连接的时候就会向Alpha进行注册,当Alpha需要进行相关的协调操作的时候,会直接调用Omega注册的回调方法进行通信。 由于微服务实例在云化场景启停会很频繁,我们不能假设Alpha一直能找到原有注册上的事务回调, 因此我们建议微服务实例是无状态的,这样Alpha只需要根据服务名就能找到对应的Omega进行通信。


事务传输模块负责Omega与Alpha之间的通讯,在具体的实现过程中,Pack通过定义相关的Grpc描述接口文件定义了TCC 以及Saga的事务交互方法, 同时也定义了与交互相关的事件。我们借助了Grpc所提供的双向流操作接口实现了Omega与Alpha之间的相互调用。 Omega和Alpha的传输建立在Grpc多语言支持的基础上,为实现多语言版本的Omega奠定了基础。

-


-


Alpha为了实现其事务协调的功能,首先需要通过事务传输(Transaction Transport)接收Omega上传的事件, 并将事件存在事件存储(Event Store)模块中,Alpha通过事件API(Event API)对外提供事件查询服务。Alpha会通过事件扫描器(Event Scanner)对分布式事务的执行事件信息进行扫描分析,识别超时的事务,并向Omega发送相关的指令来完成事务协调的工作。由于Alpha协调是采用多个实例的方式对外提供高可用架构, 这就需要Alpha集群管理器(Alpha Cluster Manger)来管理Alpha集群实例之前的协调。用户可以通过管理终端(Manage console)对分布式事务的执行情况进行监控。


目前Alpha的事件存储是构建在数据库基础之上的。为了降低系统实现的复杂程度,Alpha集群的高可用架构是建立在数据库集群基础之上的。 为了提高数据库的查询效率,我们会根据全局事务的执行情况将数据存储分成了在线库以及存档库,将未完成的分布式事务事件存储在在线库中, 将已经完成的分布式事务事件存储在存档库中。


事件API是Alpha对外暴露的Restful事件查询服务。 该模块功能首先应用在Pack的验收测试 [6]中,通过事件API验收测试代码可以很方便的了解Alpha内部接收的事件。验收测试通过模拟各种分布式事务执行异常情况(错误或者超时),比对Alpha接收到的事务事件来验证相关的其他事务协调功能是否正确。


管理终端是一个js的前端界面, 管理终端通过访问事件API提供的Rest服务,向用户提供分布式事务执行情况的统计分析,并且可以追踪单个全局事务的执行情况,找出事务的失败的根源。在Pack 0.3.0 中实现了一部分功能,后续还需要进一步完善,欢迎大家参与进来。


Alpha集群管理器负责Alpha实例注册工作,管理Alpha中单个服务的执行情况, 并且为Omega提供一个及时更新的服务列表。 通过集群管理器用户可以轻松实现Alpha服务实例的启停操作,以及Alpha服务实例的滚动升级功能。目前这部分的模块还在设计开发中,欢迎对此有兴趣的朋友加入到我们的开发队伍中来。

640?wx_fmt=png

小结

本文从分布式事务需要解决的问题入手,向大家介绍了建立在补充基础之上的基于服务的分布式事务的解决思路。接下来我们结合具体的示例介绍了完美的补偿(TCC)和非完美补偿(Saga)两种分布式事务协调协议,最后结合ServiceComb Pack的实现原理详细介绍了ServiceComb Pack的架构实现。


在基于服务的分布式事务下篇中,我们将结合具体的示例向大家介绍TCC以及Saga分布式事务协调协议的交互细节,以及如何使用ServiceComb Pack编写TCC 以及Saga 应用。


640?wx_fmt=png

参考链接详情

640?wx_fmt=png


[1]ACID

https://en.wikipedia.org/wiki/ACID


[2]一致性协调操作https://www.enterpriseintegrationpatterns.com/patterns/conversation/CoordinatedAgreement.html


[3]两阶段提交

https://zh.wikipedia.org/wiki/%E4%BA%8C%E9%98%B6%E6%AE%B5%E6%8F%90%E4%BA%A4


[4]Saga

https://microservices.io/patterns/data/saga.html


[5]Try-Cancel/Confirm

https://dzone.com/articles/transactions-for-the-rest-of-us


[6]Pack的验收测试

https://github.com/apache/servicecomb-pack/tree/master/acceptance-tests

640?wx_fmt=png



640?wx_fmt=jpeg

长按二维码关注我们




640?wx_fmt=png你点的每个赞,我都认真当成了喜欢


640?wx_fmt=gif

微服务架构技巧篇——分布式事务 摘要:本文探讨了微服务架构下数据一致性的挑战及解决方案。由于微服务拆分导致传统数据库事务失效,需要通过分布式事务来保证数据一致性。文章重点介绍了四种成熟的业务级分布式事务模式:本地事务消息通过记录事务状态实现跨服务协调;MQ事务消息利用消息队列实现二阶段提交;TCC采用Try-Confirm-Cancel三阶段控制;SAGA将长事务拆分为可补偿的子事务序列。每种方案各有特点,适用于不同业务场景,开发者需根据系统需求选择合适方案。这些方案为微服务架构提供了可靠的事务保障机制。 阅读详情

相关推荐

服务保护和分布式事务

Sentinel是阿里巴巴开源的一款服务保护框架,目前已经加入SpringCloudAlibaba中。官方网站核心库(Jar包):不依赖任何框架/库,能够运行于 Java 8 及以上的版本的运行时环境,同时对 Dubbo / Spring Cloud 等框架也有较好的支持。在项目中引入依赖即可实现服务限流、隔离、熔断等功能。控制台(Dashboard):Dashboard 主要负责管理推送规则、监控、管理机器信息等。为了方便监控微服务,我们先把Sentinel的控制台搭建出来。下载jar包运行。

lqw_675的博客 789

springboot集成分布式事务框架:servicecomb-pack

源码地址:https://github.com/apache/servicecomb-pack。 一、官网介绍: 概览 Pack中包含两个组件,即 alpha 和 omega。 alpha充当协调者的角色,主要负责对事务的事件进行持久化存储以及协调子事务的状态,使其得以最终与全局事务的状态保持一致。 omega是微服务中内嵌的一个agent,负责对网络请求进行拦截并向alpha上报事务事件,并在异常情况下根据alpha下发的指令执行相应的补偿操作。 Omega内部运行机制 omega是微服务

u014050029的专栏 1878

别再手动填数据了!Vivado里用.coe文件给ROM IP核预装数据的保姆级教程

本文详细介绍了在Vivado中使用.coe文件为ROM IP核预装数据的全流程教程,包括文件格式规范、数据转换技巧和Vivado配置指南。通过自动化数据加载,开发者可以显著提升FPGA开发效率,避免手动输入错误,适用于查找表、波形存储等多种应用场景。

weixin_33377602的博客 340

操作行为 之 事务

事务场景: 1. 长期事务:多步骤业务处理,时间跨度长,如几分钟、几天、上月,涉及多个组织或工作流; 2. 短期事务:简单业务处理,时间段,几秒内完成,外部以来很少; 短期事务ACID特性 :原子性、一致性、隔离性、持久性 WCF支持短期事务,利用两种架构来实现: 1. .Net Framewok 和 Windows Infrastructure 支持 Microso...

weixin_30675967的博客 184

企业级智能问数开发的核心痛点与技术聚焦

本文介绍了企业级智能问数系统开发的三大核心问题和解决方案:语义解析不精准、SQL生成不健壮、企业适配难落地。文章从开发者视角出发,详细拆解了NLU语义解析、SQL生成、对话记忆、企业级适配四大核心模块的技术实现。 在技术选型方面,推荐了LangChain+DeepSeek-R1、FAISS/Milvus、SQLAlchemy等工具链组合。针对企业级需求,重点讲解了: 语义解析模块的意图识别优化和要素提取技术 SQL生成模块的语法校验与性能优化方案 对话记忆模块的Redis存储实现 企业级适配的三层防护体系和

lamehsl的专栏 1048

【黑马点评】项目知识点及面经整理

【黑马点评】项目知识点及面经整理

m0_52031708的博客 6608

[WCF编程]12.事务:服务事务编程(上)

一、设置环境事务     默认情况下,服务类和操作没有环境事务,即使客户端事务传播到服务端也是如此。     尽管强制事务流从客户端传播过来,但服务端的环境事务依旧为null。为了启用环境事务,每个操作必须告诉WCF启用事务。为了解决这个问题,WCF提供了OperationBehaviorAttribute的TransactionScopeRequired属性: // 指定服务方法的本地执行行为...

weixin_33709609的博客 172

2024阅读AOSP源码的正确打开姿势

在Android系统开发中,阅读AOSP(Android Open Source Project)源码是非常重要的环节。然而,如何构建一个优雅的阅读环境却是一个不容忽视的问题。本文将介绍不同工具和方法下阅读AOSP源码的正确姿势,并对比其优缺点。

虎哥LoveDroid 2714

无法启动分布式事务_分布式事务协调场景介绍

在基于服务的分布式事务上篇中, 我们举了了一个业务场景,就是一个初始服务创建了一个分布式事务,在这个分布式事务包含了两个参与服务的本地事务,这两个本地事务由初始服务通过调用两个参与事务的服务方式组合在一起。根据分布式事务一致性的要求,这两个本地事务要么同时成功,要么同时失败。 由于这两个参与事务的服务并不知道对方的存在,当一个参与服务调用(Invocation A)成功而另外一个参与服务调用(In...

weixin_39585886的博客 323

激光雷达点云配准:ICP与NDT算法详解

激光雷达点云配准:ICP与NDT算法详解​ ,人工智能,计算机视觉,大模型,AI,本文深入解析激光雷达点云配准的ICP与NDT算法。阐述了点云配准基础概念与评价指标,详解ICP算法原理、流程、最优变换矩阵计算、优缺点及改进版,给出Python代码示例;同样解析NDT算法的原理、流程、模型构建、优缺点、参数选择与代码示例。还对比两者在精度、效率、鲁棒性和适用场景的差异,提供算法选择建议,介绍实际应用案例、常见问题及解决方法,探讨算法发展趋势。

不踩坑,不知道坑有多深;不总结,踩过的坑白踩。 15万+

《QGIS快速入门与应用基础》108:CGCS2000对应的投影坐标系

本文详细解析了CGCS2000地理坐标系对应的各类投影坐标系,包括高斯-克吕格3°带/6°带、UTM、地方独立投影和Web墨卡托投影。文章系统阐述了各投影类型的分带规则、参数设置、精度特性及适用场景,并提供了EPSG编码对照表和QGIS操作指南。通过"基准+投影"的绑定机制,这些投影坐标系实现了平面坐标与经纬度的精准转换,满足从大比例尺工程测量到Web地图服务等不同应用需求。内容涵盖投影原理、坐标格式、变形控制等关键技术要点,为GIS开发者和测绘人员提供了实用的参考信息。

LuckyHanMo的博客 546

mysql comb_分布式事务解决方案ServiceComb - Omega源码阅读与分享

概览ServiceComb已经是Apache的顶级项目,包含两个组件,即 alpha 和 omega。alpha是协调者的角色,需要单独部署的服务,主要负责对事务的事件进行持久化存储以及协调子事务的状态,保证全局事务的状态保持一致。omega是微服务中的一个agent,负责对网络请求进行拦截并向alpha上报事务事件,并在异常情况下根据alpha下发的指令执行相应的补偿操作一、代码导入源码地址:h...

weixin_36081109的博客 1188

人形机器人大语言模型 pi*0.6(π*0.6):最新从经验中学习的VLA

摘要:本文介绍了一种名为Recap的机器人学习方法,通过示范训练、纠错指导和强化学习三个步骤提升机器人执行复杂任务的能力。研究显示,仅依靠模仿学习的机器人难以解决错误累积问题,而Recap方法通过价值函数可视化和优势条件策略训练,使π*0.6模型在咖啡制作、纸箱组装和衣物折叠等任务中的成功率提升超过90%,吞吐量翻倍。该方法突破了传统依赖人工演示的局限,通过自主经验学习实现机器人性能的持续优化,为未来机器人基础模型的发展提供了新方向。

2506_90492529的博客 1322

服务保护、分布式事务

Sentinel是阿里巴巴开源的一款服务保护框架,目前已经加入SpringCloudAlibaba中。核心库(Jar包):不依赖任何框架/库,能够运行于 Java 8 及以上的版本的运行时环境,同时对 Dubbo / Spring Cloud 等框架也有较好的支持。在项目中引入依赖即可实现服务限流、隔离、熔断等功能。控制台(Dashboard):Dashboard 主要负责管理推送规则、监控、管理机器信息等。为了方便监控微服务,我们先把Sentinel的控制台搭建出来。1)下载jar包2) 访问。

2201_75589619的博客 1682

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

微服务保护和分布式事务

微服务保护措施有助于提高单个服务乃至整个系统的稳定性与安全性,而有效的分布式事务管理策略则是在这种架构下保持数据一致性的关键。两者相辅相成,共同构成了健壮且高效的微服务体系。

2301_80035594的博客 3325

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

微服务架构下的分布式事务

微服务架构下的分布式事务

小锴的学习笔记 3603

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

微服务——分布式事务

而微服务中的事务并未遵循ACID的原则,归其原因就是参与事务的多个子业务在不同的微服务,跨越了不同的数据库。虽然每个单独的业务都能在本地遵循ACID,但是它们互相之间没有感知,不知道有人失败了,无法保证最终结果的统一,也就无法遵循ACID的事务特性了。分布式事务是指事务的参与者、支持事务的服务器、资源服务器以及事务管理器分别位于不同的分布式系统的不同节点之上的一种事务处理方式。,与多个分支事务通信,检测每个分支事务的执行状态,保证全局事务下的每一个分支事务同时成功或失败即可。如果有分支事务失败,需要回滚。

m0_74197695的博客 1939

微服务分布式事务

微服务架构中的分布式事务是指在多个服务实例之间保持数据一致性的机制。由于微服务通常涉及将业务逻辑拆分成独立的服务,每个服务可能有自己的数据库,因此当一个业务操作需要跨多个服务进行时,确保所有服务的数据保持一致性就变得复杂。在单体应用中,数据库事务可以很容易地通过本地事务(如ACID事务)来管理,但在微服务架构中,每个服务可能使用不同的数据库,这就要求一种不同的事务管理策略。

m0_67646306的博客 1656

如何实现微服务架构下的分布式事务?

摘要:微服务架构下,如何克服分布式事务难题? 什么是微服务?微服务有什么优势和困难? 什么是微服务架构? 简而言之,微服务架构的系统是一个分布式的系统,按业务进行划分为独立的服务单元,解决单体系统的不足,同时也满足越来越复杂的业务需求。每个微服务仅关注于完成一件任务并很好地完成该任务。 微服务架构的优势 1. 将复杂的业务拆分成多个小的业务,每个业务拆分成一个服务,将复杂的问题简单化。利于分工,降低新人的学习成本。 2. 微服务系统是分布式系统,业务与业务之间完全解耦,随着业务的增加可以根据业务

华为云官方博客 2117

微服务中服务保护和分布式事务

虽然每个单独的业务都能在本地遵循ACID,但是它们互相之间没有感知,不知道有人失败了,无法保证最终结果的统一,也就无法遵循ACID的事务特性了。该请求可以是任何东西,从内存获取,磁盘IO,复杂的数据库查询或加载完整的网页。,与多个分支事务通信,检测每个分支事务的执行状态,保证全局事务下的每一个分支事务同时成功或失败即可。处理时间是完成请求要求的工作所需的时间,等待时间是请求在被处理之前必须在队列中等待的时间。其实分布式事务产生的一个重要原因,就是参与事务的多个分支事务互相无感知,不知道彼此的执行状态。

2303_81059616的博客 1006

分布式事务——微服务下的分布式事务问题、分布式事务的解决方案

介绍事务和分布式事务的概念、分布式事务的应用场景、CAP定理的理解和CAP策略的选择

YR_112233的博客 3661

浅聊一下微服务的分布式事务

要强一致,选 Seata 的 XA 模式,简单无侵入,但性能一般。要高可用和性能,选 Seata 的 AT 模式(默认),最终一致,无侵入,适合大多数场景。Seata 的优势在于易用性 —— 不用写复杂的补偿逻辑,配置一下、加个注解就能用,大大降低了分布式事务的实现成本。大家可以根据自己的业务场景,选择合适的事务模式。

m0_69052535的博客 1181
上一篇: Apache ServiceComb 社区1月动态精选
下一篇: 基于服务的分布式事务(下)
looook
博客等级 码龄20年 145粉丝 195原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值